深度学习和最小侵入性炎症活动评估:一种概念验证研究,用于开发和分数相关的泛内镜卷积网络

科学领域:

• 胃肠病学 胃肠病学
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 囊内镜 (CE) 对于评估克罗恩病 (CD) 炎症至关重要.
• 目前的评估依赖于验证的分数,如易斯分数 (LS),囊内镜克朗氏病活动指数 (CECDAI) 和ELIAKIM.
• 人工智能 (AI) 的进步使在CE中实现了自动化选.

研究的目的:

• 开发一种使用CE图像的自动评分系统,用于CD中客观的炎症分级.
• 为克罗恩病活动创建人工智能生成的分数 (AIS).

主要方法:

• 从61名CD患者的泛肠CE视频进行了回顾性审查.
• 基于卷积神经网络的自动化得分 (AIS) 的开发,使用正的百分比.
• AIS与临床数据和验证得分 (LS,CECDAI,ELIAKIM) 的相关性.

主要成果:

• 人工智能生成的得分 (SB_AIS) 与 LS (r=0.751),CECDAI (r=0.707) 和 ELIAKIM (r=0.655) (p<0.001) 显示出强烈的相关性.
• 在验证得分之间观察到很高的相关性:LS和ELIAKIM (r=0.768),CECDAI和LS (r=0.854),以及CECDAI和ELIAKIM (r=0.827) (p<0.001).

结论:

• 人工智能生成的得分与评估CD炎症的验证方法有很强的相关性.
• 这种AI方法提供了一个客观而有效的工具,用于评估CD患者的炎症.
• 这些发现支持进一步开发基于AI的CE评分,用于预后因素和CD的治疗指南.